Electrolyte molecule design by using machine learning

論文翻譯標題: 運用機器學習設計鋰電池電解液分子
  • 吳 明修

學生論文: Doctoral Thesis

摘要

近年來,由於電動汽車的蓬勃發展,高電壓鋰離子電池近期獲得眾多的關注。但 是傳統的碳酸酯溶劑的電解質對高壓電極的穩定性較差,因此設計適合的電解液 分子成為主要的研究目標。本研究討論運用機器學習為高電壓鋰離子電池設計新 型電解液的方法。首先為電解質分子的選擇設置了不同的篩選標準。在這些標準 中,電解質分子的兩個重要性質是還原電位(RP)以及氧化電位(OP)。此兩性 質決定電解質的工作電壓。電解質在此兩個電壓區間中不會發生氧化還原反應, 我們建立機器學習模型使其能夠根據分子的結構預測 OP / RP。以此我們便能快 速地篩選大量的分子。此外,我們開發一套程式,可以通過添加官能團自動修飾 給定的分子。此程式至目前為止已經產生了超過一億六千萬個不同的分子。另外, 我們利用生成模型 — 變分自動編碼器來進行逆向設計以產生理想的分子。機 器學習技術帶來了一種新的方式來創建全新的電解質分子,無需進行複雜的計算 和昂貴的實驗。該方法可以為設計分子的第一步。
獎項日期2020
原文English
監督員Wen-Dung Hsu (Supervisor)

引用此

'